介绍

图像深度估计是指计算出图像中物体的距离。这是计算机视觉中的一个重要问题，因为它有助于创建 3D 模型、增强现实和自动驾驶汽车等。过去，人们使用立体视觉或特殊传感器等技术来估计深度。但现在，出现了一种使用深度学习的新方法，称为深度预测变换器 (DPT)。

DPT 是一种可以通过查看图像来学习估计深度的模型。在本文中，我们将详细了解 DPT 如何通过实践编码来工作、它们为何有用以及我们可以在不同的应用程序中使用它们做什么。

学习目标

• 密集预测变换器 (DPT) 的概念及其在图像深度估计中的作用。
• 探索 DPT 的架构，包括视觉转换器和编码器-解码器框架的组合。
• 使用 Hugging Face 转换器库实